Analisis data digunakan untuk menjawab semua rumusan masalah yang dituliskan peneliti sebelumnya. Data yang dikumpulkan akan dianalisis sebagai berikut:
a. Analisis data untuk menjawab rumusan masalah nomor 1
Hasil observasi aktivitas guru dinilai berdasarkan kriteria penilaian yang meliputi baik, cukup, dan kurang baik. Sedangkan untuk menghitung aktifitas siswa secara individu dilakukan dengan cara menjumlahkan aktivitas yang muncul dan untuk setiap aktivitas tresebut dihitung rata-ratanya, dengan rumus sebagai berikut: Kriteria penilaian: Sangat Baik = 3,01 – 4,0 ( 76% - 100%) Baik = Cukup = Kurang =
(Jihad,2006:32) b. Analisis Data Untuk Menjawab Rumusan Masalah Nomor 2
Untuk menjawab rumusan masalah ketiga, yaitu tentang peningkatan kemampuan representasi matematis siswa yang menggunakan strategi pembelajraran blanded learning berbasis moodle lebih baik dari pada pembelajaran konvensional digunakan data hasil tes kemampuan representasi matematis siswa (pretest dan posttest).
Untuk melihat pencapaian kemampuan representasi matematis siswa maka dilakukan Uji Gain Ternormalisasi. Adapun rumus indeks gain menurut Meltzer (Jihad, 2006) yaitu sebagai berikut:
Jika skor indeks gain telah diperoleh maka dilakukan penafsiran sesuai kriteria Indeks gain pada tabel 1.12:
Tabel 1.12
Kriteria Gain Ternormalisasi
Indek Gain (IG) Interpretasi
IG IG Rendah Sedang Tinggi
c. Analisis data untuk menjawab rumusan masalah nomor 3
Untuk menjawab rumusan masalah ketiga, yaitu tentang pencapaian kemampuan representasi matematis siswa yang menggunakan pembelajaran Blended Learning lebih baik dibandingkan dengan pembelajaran konvensional berdasarkan tingkat Pengetahuan Awal Matematika (PAM) yang kategorinya tinggi, sedang, rendah. Pengelompkan dapat dilakukan cara sebagai berikut:
Rangking atas Mean + 1 SD
Rangking Tengah Mean – 1 SD
Rangking bawah Rumus Standar Deviasi
√ ∑ ∑ Keterangan: (Arikunto, 2003:162) Adapun analisis data yang digunakan adalah Analisis Of Variance (ANOVA) dua jalur, adapun asumsi- asumsi yang harus dipenuhi di uji Analisis Of Variance (ANOVA): Uji normalitas data dan uji homogenitas varians
1) Menguji Normalitas Data
Uji normalitas ini digunakan untuk mengetahui normal atau tidaknya suatu distribusi data. Uji normalitas diperlukan untuk menentukan langkah analisis data selanjutnya, dalam hal ini yang akan diuji normalistasnya adalah hasil posttest yang diberikan pada siswa baik dikelompok control maupun dikelompok eksperimen. Adapun pengujiannya dengan menggunakan Shapiro- Wilk dengan langkah-langkah sebagai berikut :
a) Merumuskan Hipotesis
Data berasal dari populasi yang berdistribusi normal Data berasal dari populasi yang berdistribusi normal
b) Menentukan Nilai Uji Statistik
Penghitungan uji normalitas menggunakan software SPSS vers 2.0 dengan pengujian Shapiro-Wilk yaitu:
Jika probabilitas >0,05, Ho diterima Jika probabilitas <0,05, Ho ditolak
(Kariadinata, 2004: 34) 2) Homogenitas Variansi
- Menentukan Homogenitas
Penghitungan uji homogenitas menggunakan software SPSS vers 2.0 dengan pengujian Shapiro-Wilk yaitu:
Jika probabilitas >0,05, Ho diterima Jika probabilitas <0,05, Ho ditolak
(Kariadinata, 2010: 169-174) 3) Analisys Of Variance (ANOVA)
Jika data berdistribusi normal dan varians homogen, dilanjutkan dengan menguji ANOVA dua jalur dengan melakukan langkah-langkah berikut:
a) Merumuskan Hipotesis
Ho : tidak terdapat perbedaan pencapaian kemampuan representasi matematis antara siswa kelompok PAM (atas, tengah, dan bawah) yang memperoleh pembelajaran Blended Learning berbasis Moodle dengan siswa yang memperoleh model pembelajaran konvensional
H1 : terdapat perbedaan pencapaian kemampuan representasi matematis antara siswa kelompok PAM (atas, tengah, dan bawah) yang memperoleh
pembelajaran Blended Learning berbasis Moodle dengan siswa yang memperoleh model pembelajaran konvensional
Atau Ho = H1 =
b) Melakukan perhitungan ANOVA dua jalur dengan langkah: (1) Menguji Hipotesis
Adapun kriteria dari pengujian menggunakan SPSS vers 2.0, hipotesis tersebut adalah jika nilai sig. , maka dterima.
Uji Normalitas : ada dua macam alat uji kenormalan distribusi data yang dapat digunakan, yaitu Shapiro- Wilk. Jika nilai signifikansi atau nilai probabilitas maka distribusi normal.
Homogenitas Data : Untuk mengujinya digunakan SPSS menggunakan nilai levene’s test. kriteria dari tes ini adalah jika nilai signifikansi maka variansi data sama.
(2) Uji ANOVA dua jalur dibagi menjadi dua bagian
Anova satu factor : perbedaan rata-rata kemampuan representasi matematis siswa berdasarkan kelompok PAM siswa, dan perbedaan rata-rata kemampuan representasi matematis siswa berdasarkan pendekatan pembelajaran.
Anova dua factor : Interaksi antara kelompok PAM siswa dan Kemampuan representasi matematis siswa.
Pengambian keputusan :
Jika nilai probabilitas maka ditolak 4) Uji lanjut ( Posthoc )
Jika uji anava memberikan hasil yang signifikan maka untuk mengetahui uji lanjut dengan menggunakan uji tukey dengan melakukan software SPSS vers 2.0, langkah- langkah berikut :
a) Merumuskan hipotesis
H0 : tidak terdapat perbedaan pencapaian kemampuan representasi matematis antara siswa kelompok PAM (atas, tengah, dan bawah) yang memperoleh pembelajaran Blended Learning berbasis Moodle dengan siswa yang memperoleh model pembelajaran konvensional H1 : terdapat perbedaan pencapaian kemampuan representasi matematis antara siswa kelompok PAM (atas, tengah, dan bawah) yang memperoleh pembelajaran Blended Learning berbasis Moodle dengan siswa yang memperoleh model pembelajaran konvensional b) Perhitungan Uji Lanjut
Dalam penghitungan uji lanjut digunakan uji Kruskal-Wallis dapat dilakukan dengan berbantuan software SPSS. Kriteria pengujian Kruskal-Wallis berbantuan software SPSS adalah:
Jika probabilitas 0,05, H0 diterima. Jika probabilitas 0,05, H0 ditolak.
(Santoso, 2004: 457) d. Analisis Data Untuk Menjawab Rumusan Masalah Nomor 4
Untuk menjawab rumusan masalah nomor 3, yaitu bagaimana sikap siswa kelas VIII SMP Laboratorium Percontohan UPI Kampus Cibiru Bandung
terhadap pembelajaran dengan menggunakan strategi blanded learning. Dalam hal ini siswa bebas menentukan semua pernyataan sesuai dengan hatinya, analisis yang dilakukan adalah menganalisis data hasil angket dengan skala likert dimana skala kualitatif ditransfer kedalam skala kuantitatif. Dan setiap jawaban dari siswa diberi bobot tertentu sesuai jawabannya. Dan setiap pembobotan jawaban berbanding terbalik antara pernyataan setuju-tidak setuju dengan penskoran. Seperti pada tabel 1.13 berikut ini:
Tabel 1.13 Penskoran Skala Sikap Alternative Jawaban Bobot Penilaian
Positif Negatif
Sangat Tidak Setuju (STS) 1 4
Tidak Setuju (TS) 2 3
Setuju (S) 3 2
Sangat Setuju (SS) 4 1
Untuk melihat persentase subjek yang memiliki respon positif terhadap pembelajaran yang diterapkan, dihitung berdasar kriteria kuntjaraningrat (Mubarok, 2015) sebagai berikut:
Kemudian dengan kriteria kuntjaraningrat (Mubarok, 2015) besarnya persentase hasil perhitungan tersebut, dapat diintepretasikan dalam kategori berikut:
Tabel 1.14
Intepretasi Jawaban Skala Sikap
Persentase Jawaban Intepretasi
Tidak seorangpun siswa yang merespon Sebagian kecil siswa yang merespon Hampir setengahnya siswa yang merespon
Setengahnya siswa yang merespon Sebagian besar siswa yang merespon Pada umumnya siswa yang merespon Seluruhnya siswa yang merespon